Diagnostic Accuracy of eHealth Literacy Measurement Tools in Older Adults: A Systematic Review
Notice bibliographique
Résumé
Abstract BackgroundThe COVID-19 pandemic necessitated the rapid uptake of virtual care. However, little is known about how to measure older adults’ electronic health (eHealth) literacy.MethodsWe completed a systematic review examining the validity of eHealth literacy tools compared to a reference standard or another tool. We searched MEDLINE, EMBASE, CENTRAL/CDSR, PsycINFO and grey literature for articles published from inception until January 13, 2021. We included studies where the mean population age was at least 60 years old. Two reviewers independently completed article screening, data abstraction, and risk of bias assessment using the Quality Assessment for Diagnostic Accuracy Studies-2 tool. We implemented the PROGRESS-Plus framework to describe the reporting of social determinants of health.ResultsWe identified 14940 citations and included two studies. Included studies described three methods for assessing eHealth literacy: computer simulation, eHealth Literacy Scale (eHEALS), and Transactional Model of eHealth Literacy (TMeHL). eHEALS correlated moderately with participants’ computer simulation performance (r = 0.34) and TMeHL correlated moderately to highly with eHEALS (r = 0.47–0.66). Using the PROGRESS-Plus framework, we identified shortcomings in the reporting of study participants’ social determinants of health, including social capital and time-dependent relationships.ConclusionsWe found two tools that will support clinicians in identifying older adults’ eHealth literacy, however, future research describing how social determinants of health impact the assessment of eHealth literacy would strengthen tool implementation in clinical practice.Protocol registrationOur systematic review of the literature was registered a priori with PROSPERO (CRD42021238365).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,189 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,011 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».